Bisakah AI Membiarkan Bisnis Anda Terlantar? Wawasan Ahli dari Pemimpin IoT
Mark Troester, VP of Strategy at Progress baru-baru ini mengakui bahwa adopsi cepat AI di industri Internet of Things (IoT) mungkin premature. Sebagai pengembang IoT dan penyedia alat yang berpengalaman, perspektif Troester didasarkan pada tantangan penerapan di dunia nyata.
Penulis IT bebas Nick Booth mengesyorkan kekhawatiran ini, mencatat semakin meningkatnya skeptisisme tentang peran AI di tempat kerja. Dia merujuk pada laporan Workforce Futures oleh Fuze, yang menunjukkan bahwa 40 persen pekerja sudah mengalami AI di perusahaan mereka, namun angka mengejutkan 84 persen lebih suka berbicara dengan manusia daripada mesin. Kesenjangan ini menyoroti nilai abadi keahlian manusia.
Mengapa AI Mulai di Balik Kecerdasan Manusia
Sistem AI secara fundamental terbatas oleh cakupan pengetahuan pencipta mereka. Bahkan model terbaik dilatih pada irisan sempit dari pengalaman manusia, berarti mereka hanya dapat mendekati, tidak pernah mereplikasi, kedalaman kognisi manusia. Selanjutnya, sementara manusia memiliki spektrum gaya belajar—sensorik, visual, aktif, reflektif, sekuensial, dan global—machine learning bergantung pada proses matematis linier yang tidak dapat menangkap sepenuhnya keragaman ini.
Apakah AI Satu Dimensi?
Machine learning unggul dalam pengenalan pola dan pengolahan data skala besar, tetapi kurang akan nuansa kontekstual yang berasal dari berbagai modalitas belajar. Sementara AI dapat memproses data lebih cepat dari manusia, ia belum dapat mengantisipasi tantangan yang kompleks, sering tidak terstruktur, yang timbul dalam penerapan IoT di dunia nyata.
Banyak perusahaan, dalam kesurupan untuk mengotomatisasi, telah menghapus titik sentuhan manusia penting dari sistem dukungan IoT mereka, mengasumsikan bahwa setiap masalah dapat ditangani oleh mesin. Troester memperingatkan bahwa pendekatan "lompat sebelum melihat" ini dapat membuat bisnis rentan.
Membangun Jembatan: Membuat AI Terjangkau
Meskipun keterbatasannya, AI semakin terjangkau. Lonjakan sensor cerdas terhubung menghasilkan data yang rinci, sementara platform yang terukur kini memungkinkan pengumpulan, penyimpanan, dan pemrosesan data dalam skala massal. Troester menyoroti otomatisasi siklus kehidupan ilmu data—esensialmente "menerapkan AI pada AI"—sebagai game-changer. Dengan mengotomatisasi pelatihan dan validasi model, ilmuwan data dapat berfokus pada analisis strategis daripada tugas berulang, meningkatkan nilai nyata AI.
Data dari studi Fuze menunjukkan 26 persen pekerja percaya AI akan memiliki dampak terbesar yang nyata di tempat kerja, angka lima kali lipat dari pengaruh yang diproyeksikan blockchain. Sementara itu, hanya 8 persen profesional TI yang memandang AI sebagai teknologi yang paling berlebihan pada 2018, dan 23 persen memandang realitas virtual sebagai yang paling sombong.
Wawasan paling mengungkap dari studi adalah bahwa generasi muda adalah yang paling skeptis terhadap teknologi AI—suatu tanda menguatkan bahwa gelombang talang mendatang akan menuntut solusi AI yang dipikirkan dengan baik dan berpusat pada manusia.
Penulis: Nick Booth, penulis bebas TI dan komunikasi.
